본 논문은 알고리즘적 구제(Algorithmic Recourse)의 한계점을 다룬다. 알고리즘적 구제는 사용자가 모델의 예상에 맞춰 속성을 수정하여 불리한 결정을 받은 후 결과를 개선하는 방법이다. 하지만 현실 세계에서 사용자들은 제한된 자원을 놓고 경쟁하기 위해 전략적으로 속성을 조정해야 하며, 이러한 전략적 행동은 알고리즘을 '게임'하는 결과를 초래하고 분포 변화로 인해 모델 붕괴를 일으킨다. 이러한 변화는 사용자 경쟁, 자원 제약, 적응적 사용자 반응에서 발생한다. 본 연구는 자원 제약 및 경쟁 역학 하에서 사용자 전략적 행동과 의사결정 시스템 간의 상호 작용을 모델링하는 일반적인 프레임워크를 개발한다. 이론적 분석 및 실증적 평가를 통해 합성 및 실제 데이터셋에서 일관되게 나타나는 세 가지 주요 현상(점점 더 높아지는 의사결정 경계, 비강건한 모델 예측, 불공정한 구제 조치)을 확인하고, 이러한 발견의 더 넓은 사회적 의미를 논의하며 이러한 문제를 완화하기 위한 두 가지 알고리즘 전략을 제시한다.
